摘要:10月24日,以“云启智链 数动未来”为主题的“2019数字化供应链峰会暨科箭用户大会”在上海盛大举行。
10月24日,以“云启智链 数动未来”为主题的“2019数字化供应链峰会暨科箭用户大会”在上海盛大举行,科箭从“云启互联——供应链为什么要上云”“数动未来——供应链数字化转型”等角度介绍了科箭助力企业供应链数字化转型的战略及其一体化的供应链云平台。共有300多位科箭用户、合作伙伴、行业专家等出席了本次盛会。
科箭与华中科技大学-运筹优化及人工智能实验室联合开办“AI联合实验室”,就AI算法在物流及供应链领域的应用共创开启战略合作。
大会还邀请了来自银杏谷资本、德勤、阿里巴巴战略部的数字化及新零售领域专家,来自科箭客户的万纬冷链、宜家、延锋安道拓的供应链与IT负责人,来自科箭合作伙伴斑马科技、语识信息的技术专家,为大家介绍行业最新发展趋势与动态,分享来自零售、制造与物流等行业在数字化转型中遇到的挑战及各自的实践经验。
“供应链管理对于企业运营效率、客户为本、合规性以及最终企业的成功都至关重要。”科箭总经理刘斌指出,如果管理得当,供应链能够改善客户服务以及您的品牌声誉,从而提高企业利润。但是,与许多业务领域一样,游戏规则正在发生变化。
所有这些正在挑战传统供应链模式的极限。要更好地服务于客户,科箭积极配合客户的数字化转型脚步,利用云计算、大数据、移动与社交、IoT等数字化新技术,构建了云端的供应链平台,全面链接供应链各角色,更好的协同,更灵活的扩展。
在去年发布的“三朵云”基础上,科箭隆重介绍了“第四片云”——AMS预约管理云的落地。
“如果运输和仓储没有有效联动,会造成仓库资源不足,厂区拥堵。”科箭预约管理云包括规划、预约、执行与优化四大模块,支持承运商或司机按照客户到货或提货要求提前预约仓库窗口时间及月台,使仓库能提前安排仓库及劳动力资源,进而有序地安排仓库的作业。如麦德龙的华东仓承载着全国55%的单量,日均处理10万多箱货。通过科箭的AMS云与WMS云联动,使每天1300多家供应商都能有序送货,即节省了承运商、司机的时间,也能更高效地利用现有仓库资源。
刘总在主题演讲中分享了科箭供应链云自2015年推出以来,在众多行业领先企业的应用以及为他们带来的价值,并将其概括为云平台端到端供应链的“六大价值”:
科箭的愿景是成为企业供应链数字化转型的赋能者。科箭产品总监王勇表示,通过新技术帮助企业做到内外部的连接只是第一步,连接后产生的大量供应链数据,如何发挥更大价值是科箭一直在探索的。此次会议上科箭还推出了一系列大数据应用产品。
Power SCCT供应链控制塔(Supply Chain Control Tower)
科箭供应链控制塔通过提供分析可视、事件管理、决策支持和业务优化的流程和工具整合,帮助企业应对供应链的挑战,减少和及时干预供应链执行中的不确定因素,并达到数字化供应链支撑下的新供应链目标。
Power TOS运输优化系统(Transportation Optimization System)
科箭TOS采用先进的优化算法,帮助企业合理规划运输任务,实现高效智能调度。科箭TOS基于业务的需求,综合考虑了订单量、司机车辆资源、收发货时间窗、装卸效率、在途时间等要素,通过高效的优化算法进行运输任务的编排,有效缩短了企业通过手工编制运输计划对经验、花费时间的严重依赖,同时避免了手工编制的资源利用率低等问题。科箭TOS主要应用于运输任务不确定的场景,如连锁零售、生鲜、医药等行业的城市配送、多点提送货、自由车队的计划编排、运输资源的优化评估等。
在这次会议上,科箭还发布了“AI联合实验室”。科箭与由秦虎教授领导的华中科技大学-运筹优化及人工智能实验室达成就AI算法在物流及供应链领域的应用共创的合作意向。该实验室主要研究物流管理、算法设计、运输系统管理、网络建模与优化、车辆路径优化、海运货物分配、装箱问题等方向,并在国内诸多知名企业中有实际案例应用。
在接下来的几个月中,由科箭与秦虎教授团队一起组成的”AI联合实验室“,将在车辆路径优化,装箱优化,库存及网络优化,需求预测优化等供应链场景中,研发并落地AI产品及服务,为客户提供更加智能的供应链产品及服务。
具备“两周一迭代,新功能随时享”“无须安装,快速实施上线”“按需按年付费,成本更低”“高可配置性,满足不同行业流程”四大优势的科箭供应链云平台,一直在不断完善自我、超越自我。未来,科箭将不断运用新技术,开拓新的供应链云平台增长极,持续为客户创造更大的价值,成为世界领先的供应链云服务商。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。